在数据库中如何查找相似的记录

【问题】业务系统上因为前期设计原因，录入的数据存在大量重复，现在需要去除重复录入的名称。
但这些名称不尽相同，都存在几个字的差别。 www.2cto.com

【分析】1、根据名称排序，然后逐个删除，结果就是删除得都是前几个字符一样的，如“山东青岛
XX公司”和“山东青岛XX有限公司”，但对“青岛XX公司”就无能为力了。

2、逐条记录与其他记录进行名称比对，根据相似度查找，然后筛选出相似对较高的记录

【结论】

1、根据基本SQL查询即可。

2、主要说第二种方法。oracle 存在 UTL_MATCH包，其中有函数.edit_distance_similarity用来

查找相似度。查找到相似度高的进行修改

[sql]

with dc as

(

select id,

Xname,

replace(replace(replace(replace(replace(replace(replace(replace(replace(replace(replace
(replace(replace(dcname,

'电力',

''),

'发电',

''),

'有限',

''),

'公司',--……过滤同类字符

'') dcn

from XXX

)

select d1.id,d1.Xname,d2.Xname,UTL_MATCH.edit_distance_similarity(d1.dcn,d2.dcn) smi from
dc d1 ,dc d2

where d1.id<>d2.id and d1.dcn is not null and d2.dcn is not null

order by smi desc